Haar-like(ハールライク)

◉「Haar-like」とは？？

顔を判定する方法で有名な方法。

切り取った画像を縦と横の単純な縞模様のパターン（評価器）に

一致するかどうかを判定する方法。

より判定精度を上げるには、大量の顔画像のサンプルが必要になる。

ビッグデータ時代の今だからできる技術。

顔をブロック単位で見ていき、

顔の特徴に近いかどうかを判定する。

特徴は、顔にあたる光と影でできた明暗のパターンを使う。

◉評価器

顔検出に関しては、OpenCVを開発しているインテルが大量の顔画像からの

評価器を作って準備してくれている。

その他、いくつか例としては，

MITの顔画像データ

• URL: http://cbcl.mit.edu/software-datasets/FaceData2.html

カリフォルニア工科大学のオブジェクト画像データ

• URL: http://www.vision.caltech.edu/Image_Datasets/Caltech101/Caltech101.html
• URL: http://www.vision.caltech.edu/Image_Datasets/Caltech256/

などがある。

◉ Haar_like の使い方。

　●グレースケールのコード下に、顔検出用の評価器を準備する。

　　img_gray = cv2.cvtColor(img_resize, cv2.COLOR_RGB2GRAY)

　　CASCADE_FILE = 'haarcascade_fronttalface_alt.xml'

        　                               ※それぞれのファイル名（今回はこれ。）        

　●顔を見つける「検出器」を準備する。

　　haar_cascade = cv2.CasecadeClassifier(CASCADE_FILE)

　●検出器を使って顔を検出する。

　　detectMultiScale(画像、scaleFactor, minNeighbors, minSize)

        　⚫︎画像：顔を検出したい画像（入力画像）。

　　　⚫︎scaleFactor：入力画像を縮小する割合。

　　　⚫︎minNeighbors：検出対象となる部分を少しくらい動かしても

　　　　判定できるパターンから大きくずれない最低の数。

　　　⚫︎minSize：検出対象の最小サイズ。

　＜検出器を使って顔を検出するPythonコード＞

　　detection = haar_cascade.detectMultiScale(img_resize, scaleFactor=1.1,    minNeightbors=2, minSize=(30, 30))